JP7107229B2 - 情報処理装置および情報処理方法、並びにプログラム - Google Patents
情報処理装置および情報処理方法、並びにプログラム Download PDFInfo
- Publication number
- JP7107229B2 JP7107229B2 JP2018563263A JP2018563263A JP7107229B2 JP 7107229 B2 JP7107229 B2 JP 7107229B2 JP 2018563263 A JP2018563263 A JP 2018563263A JP 2018563263 A JP2018563263 A JP 2018563263A JP 7107229 B2 JP7107229 B2 JP 7107229B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- speech
- speech recognition
- voice
- editing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 24
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000012545 processing Methods 0.000 claims description 191
- 238000000034 method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 31
- 238000012937 correction Methods 0.000 description 96
- 238000004891 communication Methods 0.000 description 38
- 230000004044 response Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 20
- 230000006399 behavior Effects 0.000 description 18
- 238000003058 natural language processing Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 13
- 238000012790 confirmation Methods 0.000 description 9
- 238000012217 deletion Methods 0.000 description 8
- 230000037430 deletion Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 244000144730 Amygdalus persica Species 0.000 description 6
- 235000006040 Prunus persica var persica Nutrition 0.000 description 6
- 230000003203 everyday effect Effects 0.000 description 6
- 235000013399 edible fruits Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 244000114635 Dombeya acutangula Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/083—Recognition networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
- G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Description
(1)
音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識する認識部と、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成する作成部と、
前記作成部により作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う音声認識部と
を備える情報処理装置。
(2)
前記音声認識部が前記編集用の音声認識向けの音声情報に対する音声認識を行った音声認識結果から、前記再発話以外の音声情報を削除して、前記再発話の音声情報を前記編集箇所に置き換える置き換え情報として取得する置き換え情報取得部
をさらに備える上記(1)に記載の情報処理装置。
(3)
前記作成部は、前記音声認識結果の全体を表す音声情報から、前記編集箇所の単語に対応する音素情報を削除した編集対象外の音声情報を、前記再発話以外の音声情報として用いる
上記(1)または(2)に記載の情報処理装置。
(4)
前記作成部は、前記編集対象外の音声情報における前記編集箇所の前に、特定の音声情報を追加して、その特定の音声情報に続いて前記再発話の音声情報を接続する処理を行って、前記編集用の音声認識向けの音声情報を作成する
上記(3)に記載の情報処理装置。
(5)
前記作成部は、前記編集箇所の単語の品詞に従って、前記特定の音声情報を追加する
上記(4)に記載の情報処理装置。
(6)
前記作成部は、前記編集箇所の単語が属するカテゴリに従って、そのカテゴリに付属しやすい単語を、前記特定の音声情報として追加する
上記(4)または(5)に記載の情報処理装置。
(7)
前記作成部は、前記編集箇所の単語が属するカテゴリに従って、そのカテゴリに対応付けられている文章のひな形から生成される文章を表す合成音声を用いて、前記編集用の音声認識向けの音声情報を作成する
上記(1)から(6)までのいずれかに記載の情報処理装置。
(8)
音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識し、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成し、
作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う
ステップを含む情報処理方法。
(9)
音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識し、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成し、
作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う
ステップを含む情報処理をコンピュータに実行させるプログラム。
Claims (8)
- 音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識する認識部と、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成する作成部と、
前記作成部により作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う音声認識部と
を備え、
前記作成部は、前記音声認識結果の全体を表す音声情報から、前記編集箇所の単語に対応する音素情報を削除した編集対象外の音声情報を、前記再発話以外の音声情報として用いる
情報処理装置。 - 前記音声認識部が前記編集用の音声認識向けの音声情報に対する音声認識を行った音声認識結果から、前記再発話以外の音声情報を削除して、前記再発話の音声情報を前記編集箇所に置き換える置き換え情報として取得する置き換え情報取得部
をさらに備える請求項1に記載の情報処理装置。 - 前記作成部は、前記編集対象外の音声情報における前記編集箇所の前に、特定の音声情報を追加して、その特定の音声情報に続いて前記再発話の音声情報を接続する処理を行って、前記編集用の音声認識向けの音声情報を作成する
請求項1に記載の情報処理装置。 - 前記作成部は、前記編集箇所の単語の品詞に従って、前記特定の音声情報を追加する
請求項3に記載の情報処理装置。 - 前記作成部は、前記編集箇所の単語が属するカテゴリに従って、そのカテゴリに付属しやすい単語を、前記特定の音声情報として追加する
請求項3に記載の情報処理装置。 - 前記作成部は、前記編集箇所の単語が属するカテゴリに従って、そのカテゴリに対応付けられている文章のひな形から生成される文章を表す合成音声を用いて、前記編集用の音声認識向けの音声情報を作成する
請求項1に記載の情報処理装置。 - 音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識し、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成し、
作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う
ステップを含み、
前記音声認識結果の全体を表す音声情報から、前記編集箇所の単語に対応する音素情報を削除した編集対象外の音声情報を、前記再発話以外の音声情報として用いる
情報処理方法。 - 音声認識結果としてユーザに提示された文章を構成する所望の単語を編集箇所として認識し、
前記編集箇所の単語を編集するために再発話された音声情報を取得して、その音声情報に対して再発話以外の音声情報を接続する処理を行って、編集用の音声認識向けの音声情報を作成し、
作成された前記編集用の音声認識向けの音声情報に対する音声認識を行う
ステップを含み、
前記音声認識結果の全体を表す音声情報から、前記編集箇所の単語に対応する音素情報を削除した編集対象外の音声情報を、前記再発話以外の音声情報として用いる
情報処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017007122 | 2017-01-18 | ||
JP2017007122 | 2017-01-18 | ||
PCT/JP2018/000015 WO2018135303A1 (ja) | 2017-01-18 | 2018-01-04 | 情報処理装置および情報処理方法、並びにプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018135303A1 JPWO2018135303A1 (ja) | 2019-11-07 |
JP7107229B2 true JP7107229B2 (ja) | 2022-07-27 |
Family
ID=62908647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018563263A Active JP7107229B2 (ja) | 2017-01-18 | 2018-01-04 | 情報処理装置および情報処理方法、並びにプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11308951B2 (ja) |
EP (1) | EP3573051A4 (ja) |
JP (1) | JP7107229B2 (ja) |
CN (1) | CN110192247A (ja) |
WO (1) | WO2018135303A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033778B (zh) * | 2019-05-07 | 2021-07-23 | 苏州市职业大学 | 一种说谎状态实时识别修正*** |
CN110534112B (zh) * | 2019-08-23 | 2021-09-10 | 王晓佳 | 基于位置与时间的分布式语音识别纠错方法 |
CN110853621B (zh) * | 2019-10-09 | 2024-02-13 | 科大讯飞股份有限公司 | 语音顺滑方法、装置、电子设备及计算机存储介质 |
CN112560404A (zh) * | 2020-12-11 | 2021-03-26 | 北京华宇信息技术有限公司 | 文本编辑器语音识别方法及装置 |
US11657803B1 (en) * | 2022-11-02 | 2023-05-23 | Actionpower Corp. | Method for speech recognition by using feedback information |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005202165A (ja) | 2004-01-15 | 2005-07-28 | Advanced Media Inc | 音声認識システム |
JP2009015148A (ja) | 2007-07-06 | 2009-01-22 | Panasonic Corp | 音声認識装置、音声認識方法、及び音声認識プログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3397372B2 (ja) * | 1993-06-16 | 2003-04-14 | キヤノン株式会社 | 音声認識方法及び装置 |
US5794189A (en) | 1995-11-13 | 1998-08-11 | Dragon Systems, Inc. | Continuous speech recognition |
US5899976A (en) * | 1996-10-31 | 1999-05-04 | Microsoft Corporation | Method and system for buffering recognized words during speech recognition |
US20060293889A1 (en) * | 2005-06-27 | 2006-12-28 | Nokia Corporation | Error correction for speech recognition systems |
JP4542974B2 (ja) * | 2005-09-27 | 2010-09-15 | 株式会社東芝 | 音声認識装置、音声認識方法および音声認識プログラム |
JP4734155B2 (ja) * | 2006-03-24 | 2011-07-27 | 株式会社東芝 | 音声認識装置、音声認識方法および音声認識プログラム |
DE112015003382B4 (de) * | 2014-07-23 | 2018-09-13 | Mitsubishi Electric Corporation | Spracherkennungseinrichtung und Spracherkennungsverfahren |
KR102380833B1 (ko) | 2014-12-02 | 2022-03-31 | 삼성전자주식회사 | 음성 인식 방법 및 음성 인식 장치 |
US9666208B1 (en) * | 2015-12-14 | 2017-05-30 | Adobe Systems Incorporated | Hybrid audio representations for editing audio content |
-
2018
- 2018-01-04 EP EP18741875.1A patent/EP3573051A4/en not_active Withdrawn
- 2018-01-04 JP JP2018563263A patent/JP7107229B2/ja active Active
- 2018-01-04 WO PCT/JP2018/000015 patent/WO2018135303A1/ja unknown
- 2018-01-04 CN CN201880006665.XA patent/CN110192247A/zh not_active Withdrawn
- 2018-01-04 US US16/471,101 patent/US11308951B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005202165A (ja) | 2004-01-15 | 2005-07-28 | Advanced Media Inc | 音声認識システム |
JP2009015148A (ja) | 2007-07-06 | 2009-01-22 | Panasonic Corp | 音声認識装置、音声認識方法、及び音声認識プログラム |
Non-Patent Citations (1)
Title |
---|
中島悠輔 他,"Technology Reports 音声による文字入力の使いやすさ向上を目指した効率的な音声認識誤り訂正技術",NTT DOCOMO テクニカル・ジャーナル ,2009年07月01日,Vol.17,No.2,pp.30-35 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2018135303A1 (ja) | 2019-11-07 |
EP3573051A1 (en) | 2019-11-27 |
US20200020332A1 (en) | 2020-01-16 |
US11308951B2 (en) | 2022-04-19 |
WO2018135303A1 (ja) | 2018-07-26 |
CN110192247A (zh) | 2019-08-30 |
EP3573051A4 (en) | 2020-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7107229B2 (ja) | 情報処理装置および情報処理方法、並びにプログラム | |
US11450311B2 (en) | System and methods for accent and dialect modification | |
US7983910B2 (en) | Communicating across voice and text channels with emotion preservation | |
US20180197548A1 (en) | System and method for diarization of speech, automated generation of transcripts, and automatic information extraction | |
KR100563365B1 (ko) | 계층적 언어 모델 | |
JP6172769B2 (ja) | 理解支援システム、理解支援サーバ、理解支援方法、及びプログラム | |
US20190172444A1 (en) | Spoken dialog device, spoken dialog method, and recording medium | |
US10839788B2 (en) | Systems and methods for selecting accent and dialect based on context | |
US20120016671A1 (en) | Tool and method for enhanced human machine collaboration for rapid and accurate transcriptions | |
JP7230806B2 (ja) | 情報処理装置、及び情報処理方法 | |
KR101677859B1 (ko) | 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치 | |
US20240176957A1 (en) | Systems and methods for inserting dialogue into a query response | |
US10789946B2 (en) | System and method for speech recognition with decoupling awakening phrase | |
Mirkin et al. | A recorded debating dataset | |
JP7107228B2 (ja) | 情報処理装置および情報処理方法、並びにプログラム | |
US20210279427A1 (en) | Systems and methods for generating multi-language media content with automatic selection of matching voices | |
JP2013050605A (ja) | 言語モデル切替装置およびそのプログラム | |
JP7236669B2 (ja) | 音声認識データ処理装置、音声認識データ処理システムおよび音声認識データ処理方法 | |
JP2016102899A (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
JP4042435B2 (ja) | 音声自動質問応答装置 | |
González et al. | An illustrated methodology for evaluating ASR systems | |
US20230186899A1 (en) | Incremental post-editing and learning in speech transcription and translation services | |
CN112651854B (zh) | 语音调度方法、装置、电子设备和存储介质 | |
JP6298806B2 (ja) | 音声翻訳システム及びその制御方法、並びに音声翻訳プログラム | |
JP2021117580A (ja) | 情報処理装置、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220627 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7107229 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |